Evaluation Harness 面试问答题集来源：阿东玩 AI（Adong）收录项目：AgentGuide查看原题集 题目目录8 道原题隐藏关联题目排序默认排序面经最多01什么是 Evaluation Harness？和 Benchmark 有什么区别？原题 关联题目Benchmark、Eval、Eval Harness 与 AgentOps 分别承担什么职责？AI 应用工程与治理 / 评测体系与实验设计比较选型进阶0篇相关面经02为什么 Agent 评估比传统 LLM 评估更难？原题 关联题目为什么 Agent 比基础 LLM 更难评估，评估维度有哪些区别？AI 应用工程与治理 / 评测体系与实验设计比较选型进阶0篇相关面经03如何处理 Agent 评估中的非确定性问题？原题 关联题目如何同时保证 Agent 结果多样性与评估结果的稳定准确？AI 应用工程与治理 / 评测体系与实验设计方案设计进阶1篇相关面经04什么是 LLM-as-Judge？有什么优缺点？原题 关联题目什么是 LLM-as-a-Judge，它有哪些优势和潜在偏见？AI 应用工程与治理 / 评测体系与实验设计概念解释进阶0篇相关面经05如何设计一个 Agent 评估用例？原题 关联题目如何构建评测题目和真值？已有答案AI 应用工程与治理 / 评测体系与实验设计方案设计进阶8篇相关面经06如何将评估集成到 CI/CD？原题 关联题目AI 应用的 CI/CD 与传统软件 CI/CD 有何区别，应如何设计？AI 应用工程与治理 / 模型服务、部署与交付方案设计进阶0篇相关面经07你用过哪些评估工具？各有什么优缺点？原题 关联题目Braintrust / LangSmith / Weave / PromptFoo 这类 eval 平台解决了什么核心问题？选型时如何权衡？AI 应用工程与治理 / 评测体系与实验设计比较选型进阶0篇相关面经08如何评估一个 RAG 系统？原题 关联题目如何设计 RAG 评估方案和指标？已有答案RAG 与知识系统 / RAG 评测与故障排查效果评估进阶25篇相关面经暂无题目共 8 道原题 · 显示 1–8 道上一页11 / 1下一页